علمی، پژوهشی و فناوری

تحول دیجیتال در آسیب‌شناسی: هوش مصنوعی، ناجی سیستم‌های قدیمی در مسیر بهره‌وری سلامت

به گزارش پایگاه خبری علم و فناوری : بودجه VC برای ابزارهای هوش مصنوعی برای مراقبت‌های بهداشتی پیش‌بینی شده بود که در سال گذشته به 11 میلیارد دلار برسد - رقمی که بیانگر این باور عمومی است که هوش مصنوعی در یک بخش مهم تحول‌آفرین خواهد بود.

بسیاری از استارت‌آپ‌هایی که از هوش مصنوعی در مراقبت‌های بهداشتی استفاده می‌کنند، به دنبال افزایش کارایی با خودکار کردن برخی از مدیریت‌هایی هستند که مراقبت از بیمار را در مدار قرار می‌دهند و قادر می‌سازند. Elea مستقر در هامبورگ به طور گسترده با این قالب مطابقت دارد، اما با یک جایگاه نسبتاً نادیده گرفته شده و کم استفاده - آزمایشگاه های آسیب شناسی، که کار آنها مستلزم تجزیه و تحلیل نمونه های بیمار برای بیماری است- شروع می کند - از جایی که معتقد است می تواند سیستم گردش کار مبتنی بر صدا و مبتنی بر هوش مصنوعی را که برای افزایش بهره وری جهانی توسعه داده است، مقیاس بندی کند. از جمله با پیوند رویکرد متمرکز بر گردش کار آن برای تسریع خروجی سایر بخش‌های مراقبت‌های بهداشتی نیز.

ابزار اولیه هوش مصنوعی Elea برای بازبینی کلی نحوه کار پزشکان و سایر کارکنان آزمایشگاه طراحی شده است. این یک جایگزین کامل برای سیستم‌های اطلاعاتی قدیمی و سایر روش‌های کار (مانند استفاده از مایکروسافت آفیس برای تایپ گزارش‌ها) است – انتقال گردش کار به یک «سیستم عامل هوش مصنوعی» که رونویسی گفتار به متن و سایر اشکال اتوماسیون را به‌کار می‌برد تا «به‌طور قابل‌توجهی» زمان لازم برای خروجی تشخیص را کاهش دهد.

پس از حدود نیم سال کار با اولین کاربران خود، Elea می‌گوید سیستمش توانسته مدت زمانی را که آزمایشگاه برای تولید حدود نیمی از گزارش‌های خود صرف می‌کند، به دو روز کاهش دهد.

اتوماسیون گام به گام

دکتر کریستف شرودر، مدیرعامل و یکی از بنیانگذاران Elea، می‌گوید گردش کار گام به گام و اغلب دستی آزمایشگاه‌های آسیب‌شناسی به این معنی است که با بکارگیری هوش مصنوعی، زمینه خوبی برای افزایش بهره‌وری وجود دارد. او توضیح می‌دهد: «ما اساساً این را برگردانیم - و همه مراحل بسیار خودکارتر هستند... [پزشکان] با Elea صحبت می‌کنند، MTAs [دستیاران فنی پزشکی] با Elea صحبت می‌کنند، به آنها می‌گویند که چه می‌بینند، چه می‌خواهند با آن انجام دهند.

Elea عامل است، همه وظایف سیستم را انجام می دهد و چیزهایی را چاپ می کند - اسلایدها را آماده می کند، به عنوان مثال، رنگ آمیزی و همه آن چیزها - به طوری که [وظایف] بسیار، بسیار سریعتر، بسیار، بسیار روانتر انجام می شود.

او در مورد نرم افزار مبتنی بر ابر می افزاید: این واقعا چیزی را تقویت نمی کند، بلکه کل زیرساخت را جایگزین می کند. ایده سیستم عامل هوش مصنوعی این است که بتواند همه چیز را هماهنگ کند.

این استارتاپ از طریق تنظیم دقیق اطلاعات و داده های تخصصی برای فعال کردن قابلیت های اصلی در زمینه آزمایشگاه آسیب شناسی، بر روی مدل های مختلف زبان بزرگ (LLM) بنا می شود. این پلتفرم برای رونویسی یادداشت‌های صوتی کارکنان – و همچنین «متن به ساختار» از گفتار به متن استفاده می‌کند. به این معنی که سیستم می‌تواند این یادداشت‌های صوتی رونویسی‌شده را به جهت فعال تبدیل کند که اقدامات عامل هوش مصنوعی را تقویت می‌کند، که می‌تواند شامل ارسال دستورالعمل‌ها به کیت آزمایشگاهی برای حفظ روند کار باشد.

Elea همچنین قصد دارد مدل پایه خود را برای تجزیه و تحلیل تصویر اسلاید، به گفته شرودر، توسعه دهد، زیرا به سمت توسعه قابلیت های تشخیصی نیز پیش می رود. اما در حال حاضر، بر روی مقیاس بندی پیشنهاد اولیه خود متمرکز شده است.

پیشنهاد این استارتاپ به آزمایشگاه‌ها نشان می‌دهد که آنچه که می‌تواند دو تا سه هفته با استفاده از فرآیندهای معمولی طول بکشد را می‌توان در عرض چند ساعت یا چند روز به دست آورد، زیرا سیستم یکپارچه می‌تواند با جایگزین کردن چیزهایی مانند پشت و رو کردن خسته‌کننده‌ای که می‌تواند دور تایپ دستی گزارش‌ها را احاطه کند، که در آن خطاهای انسانی و سایر موارد می‌تواند جریان کار را ایجاد کند، دستاوردهای بهره‌وری را جمع‌آوری کرده و ترکیب کند.

این سیستم می تواند توسط کارکنان آزمایشگاه از طریق یک برنامه iPad، برنامه Mac یا برنامه وب قابل دسترسی باشد – که انواع نقاط لمسی را متناسب با انواع مختلف کاربران ارائه می دهد.

شرودر که سابقه استفاده از هوش مصنوعی برای پروژه های رانندگی خودران در بوش، لومینار و مرسدس را دارد، این کسب و کار در اوایل سال 2024 تاسیس شد و با اولین آزمایشگاه خود در اکتبر راه اندازی شد و مدتی را در سال 2023 روی ایده آنها کار کرد.

یکی دیگر از بنیان‌گذاران، دکتر سباستین کاسو - مدیر ارشد مدیریت راه‌اندازی استارت‌آپ - سابقه بالینی دارد، که بیش از یک دهه در بخش مراقبت‌های ویژه، بیهوشی و در بخش‌های اورژانس کار کرده است و همچنین قبلاً مدیر پزشکی یک زنجیره بیمارستانی بزرگ بوده است.

تا کنون، Elea  با یک گروه بیمارستانی بزرگ آلمانی همکاری کرده است (هنوز مشخص نیست کدام یک) که می گوید سالانه حدود 70000 مورد را پردازش می کند. بنابراین این سیستم تا کنون صدها کاربر دارد.

مشتریان بیشتری قرار است به زودی راه اندازی شوند - و شرودر همچنین می گوید که به دنبال گسترش بین المللی است، با نگاهی خاص به ورود به بازار ایالات متحده.

پشتیبان بذر

این استارت آپ برای اولین بار یک بذر 4 میلیون یورویی را که در سال گذشته به رهبری Fly Ventures و Giant Ventures تولید کرده بود، افشا می کند که برای ایجاد تیم مهندسی خود و رساندن محصول به دست اولین آزمایشگاه ها استفاده شده است.

این رقم مبلغ بسیار کمی است در مقابل میلیاردها بودجه ذکر شده که اکنون سالانه در اطراف فضا پرواز می کنند. اما شرودر استدلال می‌کند که استارت‌آپ‌های هوش مصنوعی برای موفقیت نیازی به ارتشی از مهندسان و صدها میلیون نفر ندارند - او پیشنهاد می‌کند که این بیشتر مصداق استفاده هوشمندانه از منابعی است که در اختیار دارید. و در این زمینه مراقبت های بهداشتی، این به معنای اتخاذ رویکردی متمرکز بر بخش و بلوغ مورد استفاده هدف قبل از حرکت به حوزه کاربردی بعدی است.

با این حال، در همان زمان، او تأیید می‌کند که تیم به دنبال افزایش دور سری A (بزرگ‌تر) خواهد بود - احتمالاً در تابستان امسال - گفت که Elea به‌جای تکیه بر رویکرد دهان به دهانی که با آن شروع کرده‌اند، به بازاریابی فعالانه تبدیل خواهد شد تا آزمایشگاه‌های بیشتری را خریداری کنند.

او در مورد رویکرد آنها در مقابل چشم‌انداز رقابتی راه‌حل‌های هوش مصنوعی در مراقبت‌های بهداشتی می‌گوید: من فکر می‌کنم تفاوت بزرگ این است که یک راه‌حل نقطه‌ای در مقابل یکپارچه‌سازی عمودی است.

او ادامه می‌دهد: بسیاری از ابزارهایی که می‌بینید افزونه‌هایی در بالای سیستم‌های موجود [مانند سیستم‌های EHR] هستند... این کاری است که [کاربران] باید در کنار ابزار دیگری، رابط کاربری دیگر، چیز دیگری که افرادی که واقعاً نمی‌خواهند با سخت‌افزار دیجیتال کار کنند، باید انجام دهند، و بنابراین دشوار است، و قطعاً پتانسیل را محدود می‌کند.

چیزی که ما در عوض ساختیم این است که در واقع آن را عمیقاً در سیستم اطلاعات آزمایشگاهی خود ادغام کردیم - یا آن را سیستم عامل آسیب شناسی می نامیم - که در نهایت به این معنی است که کاربر حتی مجبور نیست از یک رابط کاربری متفاوت استفاده کند و نیازی به استفاده از ابزار متفاوتی ندارد. و فقط با Elea صحبت می کند، آنچه را که می بیند، می گوید که چه کاری می خواهد انجام دهد، و می گوید که Elea قرار است در سیستم چه کاری انجام دهد.

او همچنین استدلال می‌کند: شما دیگر به هزاران هزار مهندس نیاز ندارید - به یک دوجین، دوجین مهندس واقعاً بسیار خوب نیاز دارید. ما تقریباً دو دوجین مهندس در تیم داریم ... و آنها می توانند کارهای شگفت انگیزی انجام دهند.

«شرکت‌هایی که سریع‌ترین رشد را می‌بینید، صدها مهندس ندارند - آنها یک، دوجین متخصص دارند، و آن افراد می‌توانند چیزهای شگفت‌انگیزی بسازند. و این همان فلسفه ای است که ما نیز داریم، و به همین دلیل است که واقعاً نیازی به جمع آوری صدها میلیون - حداقل در ابتدا - نداریم.

این قطعا یک تغییر پارادایم است ... در نحوه ایجاد شرکت.

مقیاس‌بندی ذهنیت گردش کار

انتخاب شروع با آزمایشگاه‌های پاتولوژی یک انتخاب استراتژیک برای Elea بود، زیرا نه تنها ارزش بازار آدرس‌پذیر چندین میلیارد دلار به ازای هر شرودر است، بلکه او فضای آسیب‌شناسی را "بسیار جهانی" می‌داند - با شرکت‌های آزمایشگاهی و تامین‌کنندگان جهانی که مقیاس‌پذیری نرم‌افزار آن را به عنوان یک بازی خدماتی افزایش می‌دهند - به ویژه در مقایسه با وضعیت پراکنده‌تر در مورد تامین بیمارستان‌ها.

او پیشنهاد می‌کند: برای ما، این بسیار جالب است زیرا می‌توانید یک برنامه کاربردی بسازید و در واقع از قبل با آن مقیاس کنید - از آلمان تا بریتانیا، ایالات متحده». «همه یکسان فکر می کنند، یکسان عمل می کنند، گردش کار یکسانی دارند. و اگر آن را به زبان آلمانی حل کنید، چیزی که در LLM های فعلی وجود دارد، آنگاه آن را به زبان انگلیسی [و زبان های دیگر مانند اسپانیایی] نیز حل می کنید... بنابراین فرصت های مختلفی را برای شما باز می کند.

او همچنین از آزمایشگاه‌های آسیب‌شناسی به‌عنوان «یکی از سریع‌ترین حوزه‌های در حال رشد در پزشکی» ستایش می‌کند - و اشاره می‌کند که پیشرفت‌های علم پزشکی، مانند افزایش آسیب‌شناسی مولکولی و توالی‌یابی DNA، تقاضا برای انواع بیشتری از آنالیزها و فراوانی بیشتر آنالیزها را ایجاد می‌کند. همه اینها به معنای کار بیشتر برای آزمایشگاه ها - و فشار بیشتر بر روی آزمایشگاه ها برای بهره وری بیشتر است.

هنگامی که Elea مورد استفاده آزمایشگاهی را به بلوغ رساند، او می‌گوید که ممکن است به دنبال حرکت به سمت مناطقی باشند که هوش مصنوعی معمولاً در مراقبت‌های بهداشتی مورد استفاده قرار می‌گیرد - مانند حمایت از پزشکان بیمارستان برای ثبت تعاملات با بیمار - اما هر برنامه دیگری که توسعه می‌دهند تمرکز زیادی روی گردش کار خواهد داشت.

او می‌گوید: آنچه ما می‌خواهیم بیاوریم این طرز فکر گردش کار است، که در آن همه چیز مانند یک وظیفه گردش کار تلقی می‌شود، و در پایان، یک گزارش وجود دارد - و آن گزارش باید ارسال شود» - و اضافه کرد که در بستر بیمارستانی آنها نمی‌خواهند وارد تشخیص‌ها شوند، اما «واقعاً روی عملیاتی کردن گردش کار تمرکز خواهند کرد».

پردازش تصویر یکی دیگر از زمینه‌هایی است که Elea به سایر برنامه‌های مراقبت‌های بهداشتی آینده علاقه‌مند است - مانند سرعت بخشیدن به تجزیه و تحلیل داده‌ها برای رادیولوژی.

چالش ها

در مورد دقت چطور؟ مراقبت‌های بهداشتی یک مورد استفاده بسیار حساس است، بنابراین هرگونه خطا در این رونویسی‌های هوش مصنوعی - مثلاً مربوط به بیوپسی که بافت سرطانی را بررسی می‌کند - می‌تواند منجر به عواقب جدی در صورت عدم تطابق بین آنچه پزشک انسان می‌گوید و آنچه Elea می‌شنود و به تصمیم‌گیرندگان دیگر در زنجیره مراقبت از بیمار گزارش می‌دهد، منجر شود.

در حال حاضر، شرودر می‌گوید که با بررسی مواردی مانند تعداد شخصیت‌هایی که کاربران در گزارش‌هایی که هوش مصنوعی ارائه می‌کند تغییر می‌دهند، دقت را ارزیابی می‌کنند. در حال حاضر، او می‌گوید بین 5 تا 10 درصد مواردی وجود دارد که برخی از تعاملات دستی با این گزارش‌های خودکار انجام می‌شود که ممکن است نشان دهنده خطا باشد. (اگرچه او همچنین پیشنهاد می کند که پزشکان ممکن است به دلایل دیگری نیاز به ایجاد تغییرات داشته باشند - اما می گویند که آنها در تلاش هستند تا درصدی را که مداخلات دستی اتفاق می افتد کاهش دهند.)

در نهایت، او استدلال می‌کند که هزینه‌ها با پزشکان و سایر کارکنانی که از آنها خواسته می‌شود خروجی‌های هوش مصنوعی را بررسی و تأیید کنند متوقف می‌شود - نشان می‌دهد که گردش کار Elea واقعاً با فرآیندهای قدیمی که برای جایگزینی آن طراحی شده است تفاوتی ندارد (مثلاً در جایی که یادداشت صوتی یک پزشک می‌تواند توسط یک انسان تایپ شود - همچنین می‌تواند حاوی اسکریپت‌های اولیه باشد که در آن نوشته‌های اولیه وجود دارد و همچنین می‌تواند حاوی متن‌های اولیه باشد. توسط Elea AI انجام می شود، نه توسط یک تایپیست.

با این حال، اتوماسیون می‌تواند منجر به افزایش حجم عملیاتی شود، که می‌تواند بر این گونه چک‌ها فشار بیاورد، زیرا کارکنان انسانی مجبورند با داده‌ها و گزارش‌های بالقوه بیشتری برای بررسی نسبت به گذشته سروکار داشته باشند.

در این مورد، شرودر موافق است که ممکن است خطراتی وجود داشته باشد. اما او می‌گوید که آنها یک ویژگی «شبکه ایمنی» ساخته‌اند که در آن هوش مصنوعی می‌تواند سعی کند مشکلات بالقوه را شناسایی کند - با استفاده از اعلان‌ها برای تشویق پزشک به نگاه کردن دوباره. او خاطرنشان می‌کند: «ما آن را جفت چشم دوم می‌نامیم» و اضافه می‌کند: «جایی که گزارش‌های یافته‌های قبلی را با آنچه [دکتر] در حال حاضر گفت ارزیابی می‌کنیم و نظرات و پیشنهاداتی را به او می‌دهیم».

محرمانه بودن بیمار ممکن است یکی دیگر از نگرانی های مرتبط با هوش مصنوعی باشد که به پردازش مبتنی بر ابر (همانطور که Elea انجام می دهد) متکی است، نه اینکه داده ها در محل و تحت کنترل آزمایشگاه باقی بمانند. شرودر ادعا می‌کند که این استارت‌آپ نگرانی‌های مربوط به «حریم خصوصی داده‌ها» را با جدا کردن هویت بیمار از خروجی‌های تشخیصی حل کرده است – بنابراین اساساً برای رعایت حفاظت از داده‌ها به نام مستعار متکی است.

او می‌گوید: همیشه در طول مسیر ناشناس است - هر مرحله فقط یک کار را انجام می‌دهد - و ما داده‌ها را روی دستگاهی که پزشک آنها را می‌بیند ترکیب می‌کنیم. بنابراین ما اساساً شناسه‌های شبه‌ای داریم که در تمام مراحل پردازش خود از آنها استفاده می‌کنیم - که موقتی هستند، بعداً حذف می‌شوند - اما برای زمانی که پزشک به بیمار نگاه می‌کند، آنها در دستگاه برای او ترکیب می‌شوند.

او همچنین به ما می‌گوید: ما با سرورهای اروپا کار می‌کنیم، اطمینان حاصل کنیم که همه چیز با حریم خصوصی داده‌ها مطابقت دارد. «مشتری اصلی ما یک زنجیره بیمارستانی دولتی است که زیرساخت های حیاتی در آلمان نامیده می شود. ما باید اطمینان حاصل کنیم که از نقطه نظر حفظ حریم خصوصی داده ها، همه چیز امن است. و آنها به ما نشان دادند.

در نهایت، ما احتمالاً به آنچه که باید انجام شود بیش از حد دست یافته ایم. اما، می دانید، همیشه بهتر است در سمت امن باشید – به خصوص اگر اطلاعات پزشکی را مدیریت می کنید.